CN109410115B - 基于sift特征点的自适应容量图像盲水印嵌入与提取方法 - Google Patents

Abstract

本发明的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，在水印嵌入过程中，利用两个二值伪随机序列k1、k2，在不含有SIFT特征点的图像子块的离散余弦变换系数中嵌入水印；在水印的提取过程中，计算不含有SIFT特征点的图像子块的离散余弦变换系数与序列k1、k2的相关系数，并根据相关系数的大小确定出水印相应位的值，以提取水印。本发明的水印嵌入与提取方法，具有较强的鲁棒性，即使图像在遭受诸如中值滤波、维纳滤波、高斯滤波、剪切或压缩等攻击后，仍旧可以提取出与原始水印相似度极高的水印，使其可应用在数字媒体发布、数字信息版权认证、数字司法取证等场景。

Description

基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法

技术领域

本发明涉及一种水印嵌入与提取方法，更具体的说，尤其涉及一种基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法。

背景技术

随着计算机网络和无线通信技术的迅速发展，大量数字图像、视频得以广泛传播，并且很容易进行存储、复制、修改等各种操作。如何更有效保护数字图像和视频类多媒体信息的版权和媒体作者的合法利益，已经成为了互联网时代亟待解决的难题。针对图像水印算法容量和隐藏兼容性的问题，本发明设计了一种基于SIFT特征点的自适应容量的图像盲水印嵌入与提取方法，可以应用在图像及视频的数字媒体发布、数字信息版权认证、数字司法取证等场景。

发明内容

本发明为了克服上述技术问题的缺点，提供了一种基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法。

本发明的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，包括水印嵌入和水印提取，其特征在于：在水印嵌入过程中，首先对图像进行分块，形成图像子块，利用两个二值伪随机序列k1、k2，在不含有SIFT特征点的图像子块的离散余弦变换系数中嵌入水印；在水印的提取过程中，首先将检测图像分成同样大小的图像子块，然后分析不含有SIFT特征点的图像子块的离散余弦变换系数与序列k1、k2的相关系数，并根据相关系数的大小确定出水印相应位的值，进而提取出水印。

本发明的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，所述水印嵌入通过以下步骤来实现：

a).计算SIFT特征点，利用特征点计算方法计算图像的SIFT特征点；

b).计算特征点分布，首先将图像分成8×8像素的图像子块，然后计算每个图像字块所含有的SIFT特征点数量；

c).计算不含SIFT特征点的图像子块，记不含SIFT特征点的图像子块的数量为N；

d).水印尺寸调整，首先将待嵌入的水印进行二值化处理，二值化后的水印记为W，其尺寸记为S；利用邻近插值法将W的尺寸S调整到D×D，这里

运算符

指不大于

的最大偶数；

e).水印置乱，利用Amold置乱法将水印进行置乱，置乱后的水印记为W_D×D，置乱后的水印也是二值化的，W_D×D中的元素W(i,j)∈{0,1}，i,j＝1,2,...,D；

f).伪随机序列的生成，利用随机序列发生器生成两个不相关的二值伪随机序列k1,k2∈{0,1}，它们的尺寸均为3×3；

g).计算图像的离散余弦变换系数，取前D×D个不包含SIFT特征点的8×8像素的图像子块，设图像子块的离散余弦变换系数记为f(u,v),其中u＝0,1,...7,v＝0,1,...7,按照公式(1)修改相应图像子块系数的第2-4行2-4列的9位系数，修改后记为f′(u,v)：

式中，M(u,v)是图像子块第2-4行2-4列9位系数的平均值，α是水印嵌入的深度因子；通过公式(1)，使得水印第(i,j)位为0时，在第i×j个图像子块中嵌入k1序列信息；水印第(i,j)位为1时，在第i×j个图像子块中嵌入k2序列信息；

h).获取嵌入水印的图像，将被修改系数的图像子块与其余图像子块系数合并在一起，进行反离散余弦变换，得到嵌入水印后的图像。

本发明的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，所述水印提取通过以下步骤来实现：

1).计算待检测图像的SIFT特征点；

2).图像分块和计算余弦系数，首先将待检测图像分成8×8像素的图像子块，然后选取不包含任何SIFT特征点的图像子块，并计算它们的离散余弦变换系数；

3).选取嵌有水印的系数，将每个被选的8×8像素的图像子块的变换系数的第2-4行2-4列的9位系数记为D^*(u,v)，u＝2,3,4；v＝2,3,4

4).计算相关系数，利用二维相关系数计算公式(2)计算系数D^*(u,v)与k1的相关系数pk1：

利用二维相关系数计算公式(3)计算系数D^*(u,v)与k2的相关系数pk2：

公式(2)、(3)中，m＝0,1,2、n＝0,1,2；

为D^*(u,v)中(m,n)元素的值，

为D^*(u,v)中所有元素的平均值；k1_mn为k1中(m,n)元素的值，

为k1中所有元素的平均值，k2_mn为k2中(m,n)元素的值，

为k2中所有元素的平均值；

5).获取水印，对于每个不包含SIFT特征点的8×8像素的图像子块，如果pk1＞pk2，该图像子块所检测的水印位为0；如果pk1＜pk2，该图像子块所检测的水印位为1；将检测出的所有水印位按序组合在一起，就形成了所提取出的水印。

本发明的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，步骤g)中所述的水印嵌入的深度因子α小于1。

本发明的有益效果是：本发明的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，在水印嵌入过程中，首先对图像进行计算SIFT特征点、分成图像子块处理，然后利用两个不相关的二值伪随机序列k1、k2，将水印的每一位嵌入至不含有SIFT特征点的图像子块的离散余弦变换系数中，在水印提取过程中，通过分析不含有SIFT特征点的图像子块的离散余弦变换系数与序列k1、k2的相关系数，并根据相关系数的大小确定出水印相应位的值，进而提取出水印。

由于嵌入的是不含SIFT特征点的图像，以及嵌入位置的是图像子块的多个散余弦变换系数中，保证了水印嵌入和提取算法具有较强的鲁棒性，即使图像在遭受诸如中值滤波、维纳滤波、高斯滤波、剪切或压缩等攻击后，仍旧可以提取出与原始水印相似度极高的水印，使得本发明的水印嵌入和提取方法可以应用在图像及视频的数字媒体发布、数字信息版权认证、数字司法取证等场景。

附图说明

图1为本发明中未嵌入水印的原始图像和水印图像；

图2为本发明中原始图像中含有SIFT特征点的图像子块的分布图；

图3为本发明中嵌入水印的图像子块的分布图；

图4为本发明中无攻击时嵌有水印的图像及提取的水印图像；

图5为本发明中含有水印的图像经中值滤波攻击后的图像及提取的水印图像；

图6为本发明中含有水印的图像经维纳滤波攻击后的图像及提取的水印图像；

图7为本发明中含有水印的图像经高斯滤波攻击后的图像及提取的水印图像；

图8为本发明中含有水印的图像经剪切滤波攻击后的图像及提取的水印图像；

图9为本发明中含有水印的图像经JPEG压缩攻击后的图像及提取的水印图像。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

如图1所示，给出了本发明中未嵌入水印的原始图像和水印图像，所示的原始图像的大小为512像素×512像素，待嵌入的水印大小为32×32像素；水印嵌入通过以下步骤来实现：

a).计算SIFT特征点，利用特征点计算方法计算图像的SIFT特征点；

如图2所示，给出了本发明中原始图像中含有SIFT特征点的图像子块的分布图，图中所示的“亮点”为含有SIFT特征点的图像子块。

b).计算特征点分布，首先将图像分成8×8像素的图像子块，然后计算每个图像字块所含有的SIFT特征点数量；

对于512×512像素大小的原始图像来说，在将其分成8×8像素的图像子块时，可产生数量为64×64个图像子块。

c).计算不含SIFT特征点的图像子块，记不含SIFT特征点的图像子块的数量为N；

d).水印尺寸调整，首先将待嵌入的水印进行二值化处理，二值化后的水印记为W，其尺寸记为S；利用邻近插值法将W的尺寸S调整到D×D，这里

运算符

指不大于

的最大偶数；

e).水印置乱，利用Amold置乱法将水印进行置乱，置乱后的水印记为W_D×D，置乱后的水印也是二值化的，W_D×D中的元素W(i,j)∈{0,1}，i,j＝1,2,...,D；

f).伪随机序列的生成，利用随机序列发生器生成两个不相关的二值伪随机序列k1,k2∈{0,1}，它们的尺寸均为3×3；

g).计算图像的离散余弦变换系数，取前D×D个不包含SIFT特征点的8×8像素的图像子块，设图像子块的离散余弦变换系数记为f(u,v),其中u＝0,1,...7,v＝0,1,...7,按照公式(1)修改相应图像子块系数的第2-4行2-4列的9位系数，修改后记为f′(u,v)：

式中，M(u,v)是图像子块第2-4行2-4列9位系数的平均值，α是水印嵌入的深度因子；通过公式(1)，使得水印第(i,j)位为0时，在第i×j个图像子块中嵌入k1序列信息；水印第(i,j)位为1时，在第i×j个图像子块中嵌入k2序列信息；

如图3所示，给出了本发明中嵌入水印的图像子块的分布图，除了图中的黑色区域外，其余的区域为不含有SIFT特征点的图像子块，前D×D个不含特征点的图像子块均嵌入由水印。

h).获取嵌入水印的图像，将被修改系数的图像子块与其余图像子块系数合并在一起，进行反离散余弦变换，得到嵌入水印后的图像。

水印提取通过以下步骤来实现：

1).计算待检测图像的SIFT特征点；

2).图像分块和计算余弦系数，首先将待检测图像分成8×8像素的图像子块，然后选取不包含任何SIFT特征点的图像子块，并计算它们的离散余弦变换系数；

3).选取嵌有水印的系数，将每个被选的8×8像素的图像子块的变换系数的第2-4行2-4列的9位系数记为D^*(u,v)，u＝2,3,4；v＝2,3,4

4).计算相关系数，利用二维相关系数计算公式(2)计算系数D^*(u,v)与k1的相关系数pk1：

利用二维相关系数计算公式(3)计算系数D^*(u,v)与k2的相关系数pk2：

公式(2)、(3)中，m＝0,1,2、n＝0,1,2；

为D^*(u,v)中(m,n)元素的值，

为D^*(u,v)中所有元素的平均值；k1_mn为k1中(m,n)元素的值，

为k1中所有元素的平均值，k2_mn为k2中(m,n)元素的值，

为k2中所有元素的平均值；

5).获取水印，对于每个不包含SIFT特征点的8×8像素的图像子块，如果pk1＞pk2，该图像子块所检测的水印位为0；如果pk1＜pk2，该图像子块所检测的水印位为1；将检测出的所有水印位按序组合在一起，就形成了所提取出的水印。

为了衡量嵌入水印后的图像质量，采用公式(4)计算峰值信噪比，该值越大图像质量越好。

公式(4)中，f(i,j)表示原始图像各像素点的值，f′(i,j)表示嵌入水印图像各像素点的值，(M,N)表示图像的尺寸。

为了衡量提取的二值水印的鲁棒性，采用公式(5)计算其与原始水印的相似度：

公式(5)中，W(i,j)表示原始水印各像素点的值，W^*(i,j)表示提取出来的水印各像素点的值，(m,n)表示水印的尺寸。显然，NC是0到1之间的任意实数，值越大说明水印越相似。

如图1所示，选取的原始图像的大小为512×512像素，原始二值水印的尺寸为32×32像素；提取的SIFT特征点及选取的不包含SIFT特征点的8×8图像子块如图2和3所示。在无攻击时，嵌入水印后的图像及最终提取的水印如图4所示，水印嵌入的深度因子α取0.0025，含水印图像PSNR值为35.4516，提取的水印NC值为1。

攻击实验：

取水印嵌入的深度因子α为0.05，含水印图像PSNR值为33.5195。对含水印图像进行模板4×4的中值滤波，PSNR值降至28.6485，提取出水印NC值为0.9407，如图5所示，给出了含有水印的图像经中值滤波攻击后的图像及提取的水印图像。对含水印图像进行模板5×5的维纳滤波，PSNR值降至32.7933，提取出水印NC值为0.9004，如图6所示，给出了含有水印的图像经维纳滤波攻击后的图像及提取的水印图像。对含水印图像加入方差等于0.002的高斯噪声，PSNR值降至26.4723，提取出水印NC值为0.9640，如图7所示，给出了有水印的图像经高斯滤波攻击后的图像及提取的水印图像。对含水印图像中央部分进行剪切，PSNR值降至12.2242，提取出水印NC值为0.8559，如图8所示，给出了含有水印的图像经剪切滤波攻击后的图像及提取的水印图像。对含水印图像进行压缩比为16.91:1的JPEG压缩，PSNR值降至31.1236，提取出水印NC值为0.9343，如图9所示，给出了含有水印的图像经JPEG压缩攻击后的图像及提取的水印图像。

可见，对本发明的基于SIFT特征点的自适应容量图像盲水印嵌入方法所嵌入水印后的图像，对其进行各种常见图像操作，包括滤波、加噪、剪切、压缩等，在图像质量严重下降的情况下，依然能够提取出水印，说明本水印算法具有较强的鲁棒性。

Claims (2)

1.一种基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，包括水印嵌入和水印提取，其特征在于：在水印嵌入过程中，首先对图像进行分块，形成图像子块，利用两个二值伪随机序列k1、k2，在不含有SIFT特征点的图像子块的离散余弦变换系数中嵌入水印；在水印的提取过程中，首先将检测图像分成同样大小的图像子块，然后分析不含有SIFT特征点的图像子块的离散余弦变换系数与序列k1、k2的相关系数，并根据相关系数的大小确定出水印相应位的值，进而提取出水印；

所述水印嵌入通过以下步骤来实现：

a).计算SIFT特征点，利用特征点计算方法计算图像的SIFT特征点；

b).计算特征点分布，首先将图像分成8×8像素的图像子块，然后计算每个图像字块所含有的SIFT特征点数量；

c).计算不含SIFT特征点的图像子块，记不含SIFT特征点的图像子块的数量为N；

d).水印尺寸调整，首先将待嵌入的水印进行二值化处理，二值化后的水印记为W，其尺寸记为S；利用邻近插值法将W的尺寸S调整到D×D，这里

运算符

指不大于

的最大偶数；

e).水印置乱，利用Amold置乱法将水印进行置乱，置乱后的水印记为W_D×D，置乱后的水印也是二值化的，W_D×D中的元素W(i,j)∈{0,1}，i,j＝1,2,...,D；

f).伪随机序列的生成，利用随机序列发生器生成两个不相关的二值伪随机序列k1,k2∈{0,1}，它们的尺寸均为3×3；

g).计算图像的离散余弦变换系数，取前D×D个不包含SIFT特征点的8×8像素的图像子块，设图像子块的离散余弦变换系数记为f(u,v),其中u＝0,1,...7,v＝0,1,...7,按照公式(1)修改相应图像子块系数的第2-4行2-4列的9位系数，修改后记为f′(u,v)：

式中，M(u,v)是图像子块第2-4行2-4列9位系数的平均值，α是水印嵌入的深度因子；通过公式(1)，使得水印第(i,j)位为0时，在第i×j个图像子块中嵌入k1序列信息；水印第(i,j)位为1时，在第i×j个图像子块中嵌入k2序列信息；

h).获取嵌入水印的图像，将被修改系数的图像子块与其余图像子块系数合并在一起，进行反离散余弦变换，得到嵌入水印后的图像；

所述水印提取通过以下步骤来实现：

1).计算待检测图像的SIFT特征点；

2).图像分块和计算余弦系数，首先将待检测图像分成8×8像素的图像子块，然后选取不包含任何SIFT特征点的图像子块，并计算它们的离散余弦变换系数；

3).选取嵌有水印的系数，将每个被选的8×8像素的图像子块的变换系数的第2-4行2-4列的9位系数记为D^*(u,v)，u＝2,3,4；v＝2,3,4

4).计算相关系数，利用二维相关系数计算公式(2)计算系数D^*(u,v)与k1的相关系数pk1：

利用二维相关系数计算公式(3)计算系数D^*(u,v)与k2的相关系数pk2：

公式(2)、(3)中，m＝0,1,2、n＝0,1,2；

为D^*(u,v)中(m,n)元素的值，

为D^*(u,v)中所有元素的平均值；k1_mn为k1中(m,n)元素的值，

为k1中所有元素的平均值，k2_mn为k2中(m,n)元素的值，

为k2中所有元素的平均值；

5).获取水印，对于每个不包含SIFT特征点的8×8像素的图像子块，如果pk1＞pk2，该图像子块所检测的水印位为0；如果pk1＜pk2，该图像子块所检测的水印位为1；将检测出的所有水印位按序组合在一起，就形成了所提取出的水印。

2.根据权利要求1所述的基于SIFT特征点的自适应容量图像盲水印嵌入与提取方法，其特征在于，步骤g)中所述的水印嵌入的深度因子α小于1。

Images